建筑自动化系统能够产生海量传感器数据，但由于点名称异构、元数据缺失以及文档碎片化，实际运营中难以获取有效洞察。本文系统梳理了 2023 年至 2026 年 3 月期间发表的 66 篇关于大型语言模型（LLM）在暖通空调（HVAC）运营中的同行评议研究，并对每篇论文进行五大应用族和三大方法族的分类，同时评估了证据的真实性、部署准备度以及 LLM 与物理 HVAC 决策的责任边界。研究发现，文献主要集中在建筑能耗建模（BEM）领域（32 篇），而负荷预测的研究仍然稀缺，难以得出子领域结论。仅有四篇达到试点级别的证据，且没有报告持续的实际部署；没有一篇被标记为可立即用于工业的就绪状态，三篇属于近期可行，剩余 63 篇仅限研究。尽管如此，若将 LLM 作为受限的人机交互层，仍有若干近期可验证的应用场景，包括点名称标准化、基于文档的操作员支持、BEM 工作流辅助以及围绕物理控制器的咨询界面。相比之下，传统机器学习、模型预测控制（MPC）、强化学习（RL）以及本体驱动工具在高频控制、短时数值预测和明确本体映射方面仍占主导地位，而自主代理式运营和未经验证的居住者代理仍停留在研究阶段。因此，当前证据表明 LLM 更适合作为语义和工作流层，而非独立的 HVAC 控制器。未来工作应重点开展现场验证基准、在运营约束下的编排评估，以及具备时延限制和可验证安全属性的 LLM‑MPC/RL 架构。
点评